-
公开(公告)号:CN110309870A
公开(公告)日:2019-10-08
申请号:CN201910564028.0
申请日:2019-06-24
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 一种图像分类的方法属于人工智能的一个重要领域,本发明设计涉及提取图像多种不同的特征,结合多空间图像重建方法形成新的训练样本,增加训练样本对于相应分类特征的显现,不同的特征处理对于不同条件下的分类特征敏感度不同,把多个特征组合起来形成新的RGB图像,然后选取几种不同高精度分类器对样本进行训练。由于不问分类器得到的识别结果之间往往互补性很强,所以将几种分类器的分类结果利用概率进行融合得到最后的识别分类结果,增加对于影响因素复杂多变的图像的分类准确度和灵敏度。
-
公开(公告)号:CN111460005A
公开(公告)日:2020-07-28
申请号:CN202010319014.5
申请日:2020-04-22
Applicant: 北京工业大学
IPC: G06F16/2458
Abstract: 本发明涉及到一种用于检测时间序列离群点的方法,通过改进的概率分布公式P,提出一种基于JSD的高效检测离群点的方法JSDFP。首先将6-8月份西气东输外壁通电位时间序列数据进行预处理,删除重复点后。得到可分析的时间序列数据集M,按等天分割时间后,统计出一天的所有测试桩放电情况。再对每一个测试桩进行JSDFP算法寻找离群点。在Python中实现,并按照每日日期,测试桩编号,以及范围内所有离群点的索引Find_List=[a,b,c,...,n]。根据最终得到的索引编号匹配MongoDB数据库内的通电位时间序列的值,完成离群点的检测结果。利用JSDFP可以有效对时间序列中的离群点进行检测。
-
公开(公告)号:CN110516687A
公开(公告)日:2019-11-29
申请号:CN201910724082.7
申请日:2019-08-07
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于图像融合和改进ResNet的图像识别方法。本发明设计提取图像的多种特征,对大尺寸原图像进行主成分分析,分成从大到小的三个主成分向量,保留第一主成成分,即保留原图像的最大特征;然后对于两个较小的主成分分别用提取的两个特征进行替换,生成新的大尺寸图像。用新的大尺寸图像去训练改进的ResNet模型,从而提升模型对于尺寸比较大、光线强弱以及背景的干扰比较突出的图像识别分类的准确性和敏感度。
-
公开(公告)号:CN111612807B
公开(公告)日:2023-07-25
申请号:CN202010409642.2
申请日:2020-05-15
Applicant: 北京工业大学
IPC: G06T7/13 , G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于尺度和边缘信息的小目标图像分割方法涉及计算机视觉及图像处理技术领域。本发明是基于编码器解码器结构的分割模型进行改进,编码器解码器结构可以利用图像的尺度信息,在此基础上增加了一个边缘编码模块,该模块以编码器部分卷积块的最后一层卷积层为输入,由注意力模块和门控模块交替连接构成。注意力模块通过引入全局注意力增大图像的感受野,使其不至于忽略小目标区域的边缘信息;门控模块对输入图像标签的梯度图进行加权,增加了边缘的宽度,减少了边缘在计算过程中的损失。将边缘编码模块的输出与上采样后的特征图逐层点乘进行融合,通过softmax逐像素分类得到最终结果。该方法使得包含小目标区域的图像实现更精确的分割。
-
公开(公告)号:CN111429510A
公开(公告)日:2020-07-17
申请号:CN202010232752.6
申请日:2020-05-07
Applicant: 北京工业大学
Abstract: 一种基于自适应特征金字塔的花粉检测方法属于计算机视觉领域。特征金字塔采用逐像素相加的方式融合卷积网络不同层的特征,由于不同层的特征的感受野、分辨率存在差异,采用逐像素相加的融合方式,使得特征融合时存在非对齐匹配。本发明提出一种自适应特征金子塔网络,让特征金字塔不同层之间的特征通过可学习的方式自适应对齐,在消除冗余特征的同时,扩充了特征金字塔网络的感受野,使关键特征获得更大的响应,提升特征金字塔网络的性能。本发明使用深度卷积网络Resnet-50提取花粉图像特征,利用Resnet-50不同模块学习到的特征建立自适应特征金字塔网络,从而建立基于自适应特征金字塔的花粉检测网络。该方法可以精确地检测出花粉图像中的花粉颗粒的类别和位置。
-
公开(公告)号:CN113327226B
公开(公告)日:2024-06-21
申请号:CN202110496899.0
申请日:2021-05-07
Applicant: 北京工业大学
Abstract: 本发明涉及一种目标检测方法、装置、电子设备及存储介质,该方法包括:获取待检测图像;使用基于多层交叉注意力特征金字塔网络MCAFPN的目标检测模型对所述待检测图像进行目标检测,其中所述MCAFPN在特征金字塔网络中嵌入多层交叉注意力模块,让特征金字塔网络在连接卷积网络不同层级、不同分辨率的特征图时在空间维度上自动对焦,增强特征的表征能力。本发明通过使用多层交叉注意力模块,让特征金字塔网络的浅层特征图和深层特征图在连接时由点到点转变为点到面的匹配关系,使网络主动学习浅层特征图与深层特征图的全局像素空间关联性,给不同空间位置的特征赋予不同的响应权重,实现了更好的特征匹配关系。
-
公开(公告)号:CN111429510B
公开(公告)日:2024-04-02
申请号:CN202010232752.6
申请日:2020-05-07
Applicant: 北京工业大学
IPC: G06T7/70 , G06N3/08 , G06N3/0464 , G06N3/048
Abstract: 一种基于自适应特征金字塔的花粉检测方法属于计算机视觉领域。特征金字塔采用逐像素相加的方式融合卷积网络不同层的特征,由于不同层的特征的感受野、分辨率存在差异,采用逐像素相加的融合方式,使得特征融合时存在非对齐匹配。本发明提出一种自适应特征金子塔网络,让特征金字塔不同层之间的特征通过可学习的方式自适应对齐,在消除冗余特征的同时,扩充了特征金字塔网络的感受野,使关键特征获得更大的响应,提升特征金字塔网络的性能。本发明使用深度卷积网络Resnet‑50提取花粉图像特征,利用Resnet‑50不同模块学习到的特征建立自适应特征金字塔网络,从而建立基于自适应特征金字塔的花粉检测网络。该方法可以精确地检测出花粉图像中的花粉颗粒的类别和位置。
-
公开(公告)号:CN113327226A
公开(公告)日:2021-08-31
申请号:CN202110496899.0
申请日:2021-05-07
Applicant: 北京工业大学
Abstract: 本发明涉及一种目标检测方法、装置、电子设备及存储介质,该方法包括:获取待检测图像;使用基于多层交叉注意力特征金字塔网络MCAFPN的目标检测模型对所述待检测图像进行目标检测,其中所述MCAFPN在特征金字塔网络中嵌入多层交叉注意力模块,让特征金字塔网络在连接卷积网络不同层级、不同分辨率的特征图时在空间维度上自动对焦,增强特征的表征能力。本发明通过使用多层交叉注意力模块,让特征金字塔网络的浅层特征图和深层特征图在连接时由点到点转变为点到面的匹配关系,使网络主动学习浅层特征图与深层特征图的全局像素空间关联性,给不同空间位置的特征赋予不同的响应权重,实现了更好的特征匹配关系。
-
公开(公告)号:CN111460005B
公开(公告)日:2021-08-13
申请号:CN202010319014.5
申请日:2020-04-22
Applicant: 北京工业大学
IPC: G06F16/2458
Abstract: 本发明涉及到一种用于检测时间序列离群点的方法,通过改进的概率分布公式P,提出一种基于JSD的高效检测离群点的方法JSDFP。首先将6‑8月份西气东输外壁通电位时间序列数据进行预处理,删除重复点后。得到可分析的时间序列数据集M,按等天分割时间后,统计出一天的所有测试桩放电情况。再对每一个测试桩进行JSDFP算法寻找离群点。在Python中实现,并按照每日日期,测试桩编号,以及范围内所有离群点的索引Find_List=[a,b,c,...,n]。根据最终得到的索引编号匹配MongoDB数据库内的通电位时间序列的值,完成离群点的检测结果。利用JSDFP可以有效对时间序列中的离群点进行检测。
-
公开(公告)号:CN111612807A
公开(公告)日:2020-09-01
申请号:CN202010409642.2
申请日:2020-05-15
Applicant: 北京工业大学
Abstract: 一种基于尺度和边缘信息的小目标图像分割方法涉及计算机视觉及图像处理技术领域。本发明是基于编码器解码器结构的分割模型进行改进,编码器解码器结构可以利用图像的尺度信息,在此基础上增加了一个边缘编码模块,该模块以编码器部分卷积块的最后一层卷积层为输入,由注意力模块和门控模块交替连接构成。注意力模块通过引入全局注意力增大图像的感受野,使其不至于忽略小目标区域的边缘信息;门控模块对输入图像标签的梯度图进行加权,增加了边缘的宽度,减少了边缘在计算过程中的损失。将边缘编码模块的输出与上采样后的特征图逐层点乘进行融合,通过softmax逐像素分类得到最终结果。该方法使得包含小目标区域的图像实现更精确的分割。
-
-
-
-
-
-
-
-
-